从字符串中删除 HTML 标记的正则表达式 [重复]

Posted 2023-03-31

【中文标题】从字符串中删除 HTML 标记的正则表达式 [重复]

【英文标题】：Regular expression to remove HTML tags from a string [duplicate]

【发布时间】：2012-06-27 15:30:27

【问题描述】：

可能重复：Regular expression to remove html tags

是否有一个表达式可以获取两个 HTML 标签之间的值？

鉴于此：

<td class="played">0</td>

我正在寻找一个表达式，它将返回 0，剥离 <td> 标记。

【问题讨论】：

那是字符串，整个字符串，除了字符串什么都没有？如果是这样，\d+ 怎么样？

我正在使用这样的东西：(?:<style.+?>.+?</style>|<script.+?>.+?</script>|<(?:!|/?[a-zA-Z]+).*?/?>) 并替换为""。

如果您正在阅读此问题，请阅读已接受的重复答案。这里的前两个答案都容易受到非常简单的输入的影响。 TL;DR：正则表达式不对于正确剥离 HTML 标记很有用。

【参考方案1】：

您不应尝试使用正则表达式解析 HTML。 HTML 不是常规语言，因此您提出的任何正则表达式都可能在某些深奥的边缘情况下失败。有关详细信息，请参阅this question 的开创性答案。虽然大多被格式化为一个笑话，但这是一个非常好的观点。

---

以下示例是 Java，但对于其他语言，正则表达式将是相似的——如果不相同的话。

---

String target = someString.replaceAll("<[^>]*>", "");

假设您的非 html 不包含任何 并且您的输入字符串结构正确。

如果你知道它们是一个特定的标签——例如你知道文本只包含<td>标签，你可以这样做：

String target = someString.replaceAll("(?i)<td[^>]*>", "");

编辑： Ωmega 在另一篇帖子的评论中提出了一个很好的观点，即如果有多个标签，这将导致多个结果全部被挤压在一起。

例如，如果输入字符串是<td>Something</td><td>Another Thing</td>，那么上面的结果将是SomethingAnother Thing。

在需要多个标签的情况下，我们可以这样做：

String target = someString.replaceAll("(?i)<td[^>]*>", " ").replaceAll("\\s+", " ").trim();

这会将 HTML 替换为一个空格，然后折叠空格，然后修剪两端的任何空格。

【讨论】：

这里的重点是返回匹配项。如果字符串中有更多的数学，您会将它们合并为一个混乱的字符串。示例：<div>text</div><p>here</p>。明白了吗？

你不应该对我投反对票。我没有对你投反对票。如果你愿意，我现在可以通过对你投反对票来证明这一点......

OP 说，“我正在寻找一个返回 0 的表达式，去掉

标签。”帖子的标题是“从字符串中删除 html 标签的正则表达式”。我剥离了<td> 标签。 OP 中没有任何地方提到过关于模式 matching 的任何内容。

@Netsi1964 这与答案中已经提出的解决方案有何不同？

@Netsi1964 - 实际上我的示例是 Java 并且在字符串上执行。我在答案中添加了一条说明这一点的注释。

【参考方案2】：

一个简单的方法是替换

<[^>]*>

什么都没有。但根据您的输入结构的不良程度，这很可能会失败。

【讨论】：

替换不是好办法。对于更多匹配项，您可以将它们合并为一个字符串。

我不明白你想说什么。

给定<td>First</td><td>Second</td>，在您帖子中的模式上使用replaceAll 将导致FirstSecond。

啊，是的。确实。但是给定<b>a</b><i>b</i> 的结果ab 是意料之中的。所以这不是你可以轻易决定的事情。此外，在浏览器中查看 XML 会导致相同的情况，将所有文本节点折叠在一起。

这是一个即使对于格式错误的 html 也能正常工作的正则表达式 - ***.com/a/51177854/4717533

【参考方案3】：

你可以用 jsoup http://jsoup.org/ 做到这一点

Whitelist whitelist = Whitelist.none();
String cleanStr = Jsoup.clean(yourText, whitelist);

【讨论】：

JSoup 是一个非常酷的库，但除非 OP 计划做的不仅仅是他在原始帖子中描述的简单替换，否则它可能是一个相当重的解决方案。